高水平自动驾驶技术的发展正从以感知为中心的局限性转向更根本的瓶颈，即缺乏稳健且可泛化的推理能力。尽管当前的自动驾驶系统能够处理结构化环境，但在长尾场景和复杂的社会互动中，它们常常表现不佳，这些场景需要类人判断。与此同时，大型语言模型和多模态模型的出现为将强大的认知引擎整合到自动驾驶系统中提供了变革性机会，从而超越简单的模式匹配，迈向真正的理解。然而，目前缺乏一个系统化的框架来指导这种整合。为了解决...